FaVOS：预测"无"胜过SAM 3的VOS评测反思

复杂长视频中的视频对象分割（VOS）对现实应用日益重要，其中目标对象常只在长时程内间歇出现。但既有基准大多关注在大部分视频中保持可见的时间显著对象。为弥补缺口，我们提出FaVOS——面向低时间可见度评估VOS方法的基准。我们证明：在该状态下，标准J&F指标可把VOS评估坍缩为缺席分类，因为空预测在目标缺席帧上获得高分。结果是平凡的空掩码预测器都能胜过SAM 3这类强模型，揭示当前指标与实际VOS性能的根本错配。为缓解该问题，我们提出体积化J&F：把掩码序列作为时空体积评估，降低目标缺席奖励的主导，同时保持对分割质量与时间结构的敏感度。代码/项目页：https://aidaslab.github.io/FaVOS。